1. 黎曼猜想之后,Alpöge 又拿下 Navier–Stokes:79 页论文直指”流体必然爆破”
Anthropic 数学家 Levent Alpöge 与纽约大学教授 Tristan Buckmaster 于 11 月 20 日公布 79 页论文,声称证明了三维 Navier–Stokes 方程在无外力条件下的有限时间爆破——即存在一开始光滑、无人继续搅动却会在有限时刻出现奇点的流动,从而否定”所有合格流动永远保持光滑”这一千禧难题的肯定答案。论文同时公开了 Lean 形式化代码。两人今年 9 月刚公布过带光滑外力的三维 Euler 方程爆破结果,这次把外力去掉、保留黏性,障碍完全换了一套。陶哲轩已撰文讨论,认为大体策略清楚,但仍需整理成规范、专业的证明文本,最终要看独立核验。
同日,罗马数学家 Alessandro Maria Masullo(斯坦福数学博士)发布了一份纯人类版黎曼猜想证明草稿,前后写了近 12 年、940 页,美国数学学会主席 Ravi Vakil 特意强调该稿未使用 AI。他在致谢里留了一句话,大意是”我们还在这里,我们不会离开”。
2. Lean/Mathlib 社区官方确认:Alpöge 的黎曼猜想证明正确(更新)
昨天我们报道了 Claude 参与产出的黎曼猜想 Lean 证明,今天有了核验结论:Lean 与 Mathlib 社区发表声明,称”我们完全相信 Alpöge 的证明是正确的“,并向其祝贺。这份 11 月 20 日公开的证明以 1700 万行 Lean 代码提交,数十人独立跑完得到相同结果;验证程序在设计上可证明地无法接受有缺陷的证明,MIT 数学家 Andrew Sutherland 在个人网站汇总了各项独立检查。时间线值得玩味:Metaculus 预测者给出的中位日期是 2035 年 5 月,陶哲轩上个月还说大概要等到 2050 年前后由”人类加 AI”完成。
3. GPT-6.2 Astra/Sol 变短变直接,但”承认不确定”的比例断崖下跌
Artificial Analysis 的评估给出了一组很刺眼的对比:GPT-6.2 的 Astra 与 Sol 回答比前代短 34%–40%(Astra 平均 352→210 词,Sol 337→223 词),标题层级大幅减少(Astra 每题 1.99→0.11 个标题,Sol 1.85→0.25),破折号也用得少了。代价是承认不确定性的比例暴跌:Astra 从 96 降到 24,Sol 从 98 降到 51。与 Anthropic 的 Claude Fable 5.2、Opus 5.5 相比,两个 OpenAI 新模型在结构与透明度上得分更低;Opus 5.5 拿下了四款模型中最高的信息量评分。换句话说,回答更”像个老手”,但更少告诉你它其实没把握。
4. DeepSeek 第二轮千亿融资落地:31 家出资方入股,梁文锋持股平台占比降至 0.0001%
工商信息显示,DeepSeek 主体杭州深度求索完成变更,新增股东杭州程砚企业管理咨询合伙企业,注册资本增至 1991.8707 万元(+21.1%)。股权穿透后,作为持股平台的杭州程砚一次性新增 31 家合伙人,即第二轮融资的外部股东:产业方包括腾讯、中国移动、中国电信、宁德时代、兆易创新、小红书、vivo,机构方有砺思、博裕、IDG、高榕、君联、正心谷、中信证券等。梁文锋控股的杭州程策在程砚的持股比例由 83.33% 降至 0.0001%,但他退出直接合伙人名单后,程策仍担任执行事务合伙人,而他持有程策 99% 股权——控制权没丢,账面稀释做得很干净。
5. 特朗普松口但有前提:Blackwell 要等”不再最先进”才可能卖给中国
在 APEC 会议上,特朗普表态称英伟达 Blackwell 架构 AI 芯片只有在该产品不再属于市场最先进芯片之后,美国才可能批准对华出口。这意味着现行禁令不变,解禁的前提是更新一代旗舰上市、Blackwell 退出第一梯队;报道未给出时间表或许可细则,仍待美国商务部工业安全局敲定。另一头,英伟达临时 CEO Colette Kress 表示公司将不再在中国销售 H200,与美方收紧”远程访问”漏洞同步——此前相当一部分算力是通过周边国家数据中心远程供给的。政策口径一变,国内算力采购的腾挪空间又少一格。
6. 模拟职场实测:AI 编程智能体单项测试接近满分,完整任务完成率不到一成
一项新实验第一次把编程智能体放进”模拟软件公司”里当数字员工:有同事、有项目看板、有群聊历史,任务不再是孤立的函数补全。结果即便 Claude Opus 5.5 和 GPT-6 Astra,能完整做完的任务也不到十分之一。背景是另一幅景象:SWE-bench 这类标准基准已接近饱和,Anthropic 自己说 Claude 写了公司 80% 以上的生产代码。差距的来源不在写代码,而在真实工作里那些没有即时反馈、需要判断、需要跟人对齐的部分——这恰好是基准测不出来的地方。
7. Perplexity 推出 Monitor API:把”搜索一次”变成常驻哨兵
Perplexity 上线 Monitor API,按计划定时搜索网页,只在出现相关变化时通过 webhook 唤醒 Agent,而不是让应用自己轮询。它有两种模式:Web monitor 按查询定期跑网页与新闻搜索,适合盯”某类公司又融了多少钱”;Page monitor 最多跟踪 10 个页面(定价页、changelog、政策页),首次运行存基线,之后比对变化。结果由一个评审模型按相关性、时效性、可信度过滤,官方称内部测试优于 Firecrawl 和 Exa。定价 每 1000 次请求 1 美元,现已可用。对做监控类 Agent 的团队来说,这类”事件驱动”接口比自建去重逻辑省事得多。
8. Karpo Decision 31B 开源:专给 Agent 做”小决定”,浏览器任务成本只有 Claude 的十三分之一
MachinePulse AI 开源 Karpo Decision 31B,一个只做高频、低延迟判断的决策模型:下一步点哪个按钮、任务是否完成、几十个工具里该调哪个,一次前向推理直接算出整组候选的概率。在 300 个模型同台的 Decision Index 总榜上以 73.9 分登顶,单题最多同时判断 255 个候选,校准误差 2.3%;单张 RTX PRO 6000 即可部署,14 万多次公开请求的中位响应 94 毫秒。同场对比:一组《城市扫描仪》任务,Karpo 2.6 秒完成、36 题全对,Gemini 3.5 Flash 用了 14.96 秒。配套开源的 karpo-browser 框架(System 1 + System 2 架构)在 Browserbase Benchmark v2 的 102 道任务上做到 89% 成功率、平均 201 秒、单任务 0.096 美元,比榜首 Claude Fable 5.2 + Claude Code 快约 1.9 倍、成本约 1/13。
9. 腾讯元宝×KCL 发布 GroupAssistBench:8 万条群聊消息,考 Agent 会不会”用”记忆
腾讯元宝与伦敦国王学院 NLP 团队推出 GroupAssistBench,用 50 个真实群聊、80299 条历史消息构建 2395 道题,把”记得住”和”用得好”拆成两层:L1 记忆召回(1374 题,有明确事实)、L2 开放式服务(1021 题,如”帮大家发出行提醒”,没有标准措辞但必须遵守已生效的决定和成员约束),再按单条记忆、多记忆整合、更新与冲突处理细分。一个典型反差:EverMemOS 在 L1 拿到 0.621,高于同任务模型完整上下文的 0.570;但到 L2 只有 0.247,反而低于完整上下文的 0.431。会检索,不等于会服务。论文已在 arXiv 公开,代码与数据集同步开放。
10. Dragos 实测 200 万次请求:廉价推理供应商在偷密钥,3 家至今不知情
安全公司 Dragos 在 2026 年 7 月至 11 月向各家 AI 服务发出约 200 万次携带假凭证的请求,发现至少 3 家供应商已被攻破,且在被通知前完全不知道。最大一起事件中攻击者收割了数百个 AWS key,其中一部分来自供应商已经拒绝处理的请求;攻击者在数小时内测试窃得的密钥、翻 S3 存储、尝试建立持久访问,还有人使用了 AI 攻击工具 ARTEX。更简单的一条路是转售商:把模型标到最低价、打开日志,就能直接读用户请求内容——不需要任何漏洞。研究人员还看到法国一个住宅 IP 用截获的密码尝试 SSH 登录。便宜 API 的风险不只在价格。


